Az OpenAI májusban jelentette be, hogy jön egy speciális hangos mód, ami az eddiginél lényegesen természetesebb működésre lesz képest. A fejlesztők nem készültek el időben ezzel az újítással, mert a tervek szerint már júniusban el kellett volna indulnia. A napokban viszont már tényleg munkába állt, és továbbra is egészen izgalmas, hogy mennyire jól sikerült.
Tavaly szeptemberben indult el a ChatGPT keretében a Hang mód, majd ez lényegében feledésbe merült. Nem igazán volt erről szó, a legtöbben csak egy vicces extraként fogták fel, ami a multimodális működés hozadékaként lett megvalósítva. Májusban viszont az OpenAI egyértelművé tette, hogy egyáltalán nem feledkeztek meg erről, sőt mi több, igazán fontos szerepet szánnak ebben a jövőben.
Sam Altman a Her című film nagy rajongója, és a jelek szerint arra törekedik, hogy a filmben látottakat a valóságban összehozza.
A felhasználók egy szűk rétegének már elérhetővé vált a ChatGPT speciális Hang módja, és a tesztelésébe fokozatosan egyre több embert vonnak be. Egyelőre csak az Egyesült Államokban lehet a fejlesztést kipróbálni, és fontos megkötés az is, hogy a ChatGPT Plus előfizetőknek biztosítják az újítást. A korábbi információk szerint őszre minden előfizetőnek elérhető lesz. Az első tesztek pedig már megjelentek a közösségi médiában.
A tavaszi bejelentésen az OpenAI nagyon sok érdekességet mutatott, például megkérték a ChatGPT-t a hangos mód használata közben, hogy különböző stílusokban adja elő a mondandóját. Ezen mindenki jól szórakozott. Az élesítést követően nem meglepő módon ezt sok lelkes felhasználó igyekezett kipróbálni, és pont olyan jól oldotta meg a különböző kéréseket, mint ahogyan a korábbi demók alkalmával.
Persze normál esetben senkit nem fog izgatni, hogy akár egy kalóz módjára is előadhatja a mondandóját a ChatGPT. Viszont megkérhető a szolgáltatás például arra, hogy találjon ki egy mesét gyereknek, és ilyenkor már érdekes lehet ez a funkció is. Szinte bármilyen előadásmódot lehet tőle kérni.
Kipróbálták azt is, hogy miként teszi a dolgát a frissített ChatGPT, ha a multimodális működést a maximumra járatják. A kamerán keresztül mutattak egy japán feliratokkal szolgáló Game Boy Advance SP kézi játékkonzolt a szolgáltatásnak, és megkérték, hogy fordítsa le az összes kijelzőn megjelenő szöveg angolra – mindent hangosan felolvasva. Gond nélkül megoldotta ezt a kihívást is a frissített ChatGPT szolgáltatás, és még a hangsúlyozásra is igyekezett odafigyelni a valós idejű folyékony fordítás mellett.
Nagyon sokféle felvétel jelent már meg az új Hang módról, de a legérdekesebb technikailag mind közül talán az, ahol egyszerűen csak annyit kértek a ChatGPT-től, hogy számoljon el 50-ig olyan gyorsan, amilyen gyorsan csak tud.
A generatív MI hangos módja tényleg annyira élethűen utánozza az embereket, hogy a számolás közben különböző tempóval halad, egyáltalán nem gépies konzisztenciával oldja meg a feladatot. Sőt mi több, egy ponton „elfogy a levegője”, ezért egy pillanatra meg is áll, majd a szünet miatti lassulását nagyobb tempót diktálva próbálja behozni.
Mindehhez pedig hozzá kell még tenni azt is, hogy az OpenAI bevallása szerint ez a funkció még közel sincs kész, egyelőre bőven a fejlesztési stádiumában van (alfa). Éppen ezért arra buzdítják az embereket, hogy küldjenek minél több visszajelzést, osszák meg a tapasztalataikat. Voltak már panaszok is az újításra, néhányan nehezményezték, hogy túl sokat játszik a hangszínnel, és kicsit olyan, mint a modern dalokban az auto-tune révén torzított énekes hangok.
